95% ИИ проектов терпят неудачу: исследование MIT разрушило иллюзии
ИИ системы по-прежнему нуждаются в постоянном человеческом вмешательстве и не сильно продвинулись с тех пор, как Сэм Альтман открыл ящик Пандоры.
Недавно что-то изменилось в разговорах вокруг ИИ. Поезд ажиотажа, возможно, сходит с рельсов.
Проверка реальностью №1: Мы узнаем, что 95% корпоративных ИИ-проектов терпят неудачу
Что-то фундаментальное изменилось в том, как mainstream-медиа говорят об ИИ за последние два месяца.
Частота обсуждений пузыря ИИ резко возросла. От разрозненных академических упоминаний в 2019 году до шести статей в 2024 году мы стали свидетелями беспрецедентного всплеска в 2025 году — 19 крупных изданий использовали терминологию пузыря.
Только в августе 2025 года вышло 13 статей, обсуждающих пузырь ИИ — более чем в два раза больше, чем за весь 2024 год. Это рост на 317% с 2024 по 2025 год, причем подавляющее большинство сконцентрировано в одном месяце.
Этот драматический сдвиг в освещении был вызван данными, которые подтвердили то, что многие подозревали.
Что обнаружило исследование MIT
Точкой перелома легко могло стать исследование MIT, вышедшее в июле. Это исследование показало, что 95% пилотных ИИ-проектов компаний не увеличивают их прибыль.
Исследование было основано на 150 интервью с руководителями, опросах 350 сотрудников и анализе 300 публичных ИИ-развертываний.
Для справедливости и сбалансированности, как говорится, некоторые критики поставили под сомнение методологию и достоверность утверждения о 95% неудач, отмечая, что в отчете отсутствуют четкие источники для этой конкретной статистики и может использоваться узкое определение «успеха».
Но также можно поставить под сомнение, что означает «успех» для этих ИИ-систем.
Скрытая цена: ИИ создает больше работы, а не меньше
Правда в том, что это исследование подтверждает то, что чувствуют многие люди, использующие эти инструменты. Если вы убираете человека, выполняющего работу, и заменяете его ИИ, все, что вы делаете, — это заставляете кого-то другого делать больше работы. Потому что эти системы требуют постоянной проверки.
Согласно корпоративным исследованиям, 88% HR-руководителей считают, что ИИ-инструментам нужно человеческое вмешательство для оптимального функционирования. Когда компании убирают одного работника и ожидают, что ИИ выполнит их роль, они по сути перераспределяют рабочую нагрузку этого человека на всех остальных, которые теперь должны контролировать, исправлять и проверять результаты ИИ.
Исследование Upwork 2024 года показало, что 77% сотрудников сообщают, что ИИ фактически увеличил их рабочую нагрузку, а не сократил ее.
Если бы ваш сотрудник терпел неудачи и галлюцинировал так же часто, как ИИ-системы, вы бы немедленно его уволили. Поэтому, если компании действительно заботятся о качестве, они не позволят ИИ-системам работать без надзора.
Почему компании все еще продолжают инвестировать в ИИ
Эта модель того, как ИИ создает больше работы, обещая меньше, должна заставить компании задуматься. Но, к сожалению, многие продолжают удваивать ИИ-инвестиции, несмотря на доказательства.
Это несоответствие между реальностью и корпоративными решениями о расходах — то, что делает эту ситуацию особенно тревожной.
96% руководителей высшего звена ожидают, что ИИ повысит продуктивность, в то время как 77% работников говорят, что это сделало их более занятыми. Этот разрыв существует потому, что руководители видят экономию затрат и поверили в идею потенциальных выгод от эффективности, но не учитывают накладные расходы на надзор и выгорание оставшихся сотрудников.
Работники сообщают о том, что тратят значительное время на то, что исследователи называют «мониторингом производительности, управляемым ИИ».
Нам постоянно обещают 4-дневную рабочую неделю, но то, что мы на самом деле видим, — это сотрудники, присматривающие за ИИ-системами, одновременно обучая эти же системы потенциально устранить еще больше рабочих мест.
Проверка реальностью №2: ChatGPT-5 не оправдывает обещания AGI
Затем вышел релиз ChatGPT-5. Последний релиз OpenAI должен был все изменить. Вместо этого он просто дополнительно показал, как индустрия переоценивает то, что на самом деле возможно.
Мечта об AGI становится иллюзией
На протяжении 2024 и начала 2025 года Альтман последовательно позиционировал OpenAI как близкую к достижению AGI (Artificial General Intelligence — искусственный общий интеллект).
В январе 2025 года он написал в своем блоге: «Теперь мы уверены, что знаем, как построить AGI в том виде, как мы традиционно это понимали». Ранее он сказал в подкасте Y Combinator, что AGI может быть достигнут в 2025 году, и твитнул, что OpenAI «достиг AGI внутренне».
Это сообщение создало ожидания, что GPT-5 будет почти на уровне AGI.
Fortune отметил, что «OpenAI был так одержим AGI, что его глава отдела продаж назвала свою команду "AGI Sherpas" (шерпы AGI), а его бывший главный ученый Илья Суцкевер вел своих коллег-исследователей в песнопениях у костра "Почувствуй AGI!"». Microsoft, основной партнер OpenAI, опубликовал статью в 2024 году, утверждая, что GPT-4 уже демонстрирует «искры AGI».
Затем вышел ChatGPT-5, и его тон изменился.
Сам Альтман недавно сказал, что AGI стал «не очень полезным термином». Собственный устав OpenAI определяет AGI как «высоко автономную систему, которая превосходит людей в большинстве экономически ценных задач».
Что это вообще означает? Это настолько расплывчато, что практически бессмысленно.
Но даже они признают, что их последняя модель не дотягивает даже до этого стандарта.
Расплывчатость определений AGI стала настолько проблематичной, что эксперты призывают к тому, чтобы компаниям «было предписано раскрывать, как они измеряются относительно глобально согласованных метрик» вместо широких заявлений об AGI.
Ситуация стала настолько очевидной, что даже CEO OpenAI пришлось признать реальность:
«Находимся ли мы в фазе, когда инвесторы в целом слишком взволнованы по поводу ИИ? Мое мнение — да.» — Сэм Альтман
Да, они взволнованы, потому что вы и ваши конкуренты — все странствующие продавцы, переоценивающие эти инструменты.
Итак, если мы не приближаемся к этому мифическому AGI, что на самом деле делают компании, чтобы заставить эти текущие LLM-системы казаться более продвинутыми?
Что на самом деле построил OpenAI: сокращение затрат, а не инновации
Поскольку они проскрапили большую часть интернета и столкнулись с правовыми барьерами вокруг контента, защищенного авторским правом, есть немного вещей, которые они могут сделать, кроме как увеличить скорость со всеми процессорами, которые они покупают.
Итак, трюк, который выполняют эти компании, заключается в том, что они строят то, что называют сложными ИИ-агентами. По сути, то, что они делают, — это заставляют одну ИИ-систему запрашивать другую ИИ-систему. Затем она запрашивает другую, создавая цепочки искусственного рассуждения, которые выглядят впечатляюще в день демонстрации, но испытывают трудности под давлением реального мира.
Это не глубокое обучение или что-то новое. Это как когда вы подключаете слишком много удлинителей в розетку. Конечно, вы получаете больше энергии, но вы увеличиваете вероятность проблем.
Исследования показывают, что модели многошагового рассуждения галлюцинируют 14,3% времени — хуже, чем более простые системы.
Каждый переход промпта от вашего первоначального вопроса увеличивает шансы того, что ИИ полностью потеряет нить того, о чем вы на самом деле спрашивали, а затем уверенно предоставит полную чепуху, сжигая при этом серверные фермы стоимостью в миллионы долларов электричества.
Как на самом деле работает GPT-5: система маршрутизации для сокращения затрат
GPT-5 на самом деле не одна модель — это «коллекция по крайней мере двух моделей: легкая LLM, которая может быстро отвечать на большинство запросов, и более тяжелая, предназначенная для решения более сложных тем».
Эта система маршрутизации позволяет OpenAI отправлять «высокообъемные, низкосложные запросы к более дешевой, быстрой модели».
Анализ The Register был резким: «Новая топовая модель OpenAI кажется скорее не достижением, а способом сэкономить вычислительные затраты» — представляя «эру сокращения затрат» для OpenAI.
Почему сокращение затрат? OpenAI столкнулся с давлением «увеличить свою пользовательскую базу, поднять цены или сократить затраты». $20 в месяц — это уже много для чего-то, что большинство людей не понимает.
Нам говорят отказаться от кофе и тостов с авокадо, чтобы позволить себе дом, но каким-то образом оплата чат-ботов, которые галлюцинируют, стала необходимой?
Поскольку повышение цен привело бы к потере клиентов в пользу конкурентов, сокращение затрат стало стратегией.
Итак, если самая большая ИИ-компания в мире уже беспокоится о расходах, что это говорит о всем ИИ-рынке? Прибыль Nvidia дала нам ответ — и он был не очень приятным.
Проверка реальностью №3: Прибыль Nvidia выявляет трещины
Nvidia остается единственной компанией, которая действительно получает прибыль от ИИ-бума, что делает их результаты критически важными для понимания реального здоровья индустрии.
Nvidia стала самой ценной компанией в мире, потому что технологические гиганты, такие как Microsoft, OpenAI и Meta, покупают их чипы для дата-центров. В то время как все остальные ИИ-компании сжигают наличные, Nvidia собирает прибыль от продажи инструментов.
Предупреждающие знаки в отчете о прибыли
Но их последние данные о прибыли выявили тревожные тенденции, которые предполагают, что даже золотая лихорадка ИИ может замедляться:
Замедление роста: Доходы дата-центров выросли чуть меньше, чем ожидал Уолл-стрит. Это необычно для Nvidia, которая превышала ожидания в течение последних нескольких кварталов.
Это небольшое замедление дает «слабый намек» на то, что экспоненциальный рост компании может приближаться к «вершине кривой» вместо продолжения крутой восходящей траектории. Хотя игровой и другие сегменты превзошли ожидания, промах в самом критическом ИИ-сегменте вызвал нервозность на рынке.
Риск концентрации клиентов
Опасная зависимость от немногих покупателей: Два «загадочных клиента», идентифицированные как Meta и Microsoft, составляют 39% доходов Nvidia. Когда включаются такие клиенты, как Amazon, Google и Tesla, эти несколько технологических гигантов составляют большинство доходов Nvidia.
Это создает «риск ключевого человека». Если только один CEO, такой как Марк Цукерберг или Сатья Наделла, охладеет к расходам на ИИ, цена акций Nvidia может рухнуть за одну ночь. Чтобы Nvidia продолжала расти, эти несколько компаний должны не только поддерживать текущие расходы, но и агрессивно их увеличивать.
Здоровье всей ИИ-экономики (и, возможно, всей экономики США) теперь зависит от решений о расходах, принимаемых горсткой руководителей на инструменты, которые никак не доказали прибыльность ни для кого, кроме Nvidia.
Но капитализм все еще остается историей роста. Если линия не идет вверх, они достают того парня с Уолл-стрит.
Может быть, это в конечном итоге станет как iPhone или автомобиль, но все еще нет надежных случаев использования для оценок стоимости. Поэтому, если все это действительно рухнет, вопрос в том, что произойдет, когда реальность наконец догонит.
Два возможных будущих
Сценарий первый: Классический технологический крах
Технологическая индустрия имеет долгую историю приватизации прибыли и социализации убытков. Если пузырь ИИ наконец лопнет, налогоплательщики могут в конечном итоге расплачиваться, в то время как руководители уйдут с золотыми парашютами. Мы уже видели этот фильм раньше.
Сценарий второй: Смерть от тысячи порезов
Возможно, мы не получим драматического краха. Вместо этого мы получим медленную деградацию, поскольку компании продолжают покупаться на обещания сокращения затрат с помощью ИИ. Здравоохранение становится более автоматизированным и менее человечным. Обслуживание клиентов превращается в ад чат-ботов. Медиа производится алгоритмами, которые оптимизируют вовлеченность, а не правду.
Мы не получаем рыночного коллапса — просто постепенную деградацию каждой услуги, от которой мы зависим, чтобы все эти компании могли заменить работников ИИ-агентами, все это оправдывается «эффективностью», которая появляется только в квартальных отчетах о прибыли.
Оба сценария заканчиваются одинаково: люди, создавшие этот беспорядок, получают прибыль, в то время как все остальные разбираются с последствиями.
Революция ИИ обещала сделать нашу жизнь лучше — меньше работы и больше свободы для создания того, что вы хотите, за меньшие деньги. Вместо этого она может просто сделать все немного хуже, одно автоматизированное взаимодействие за другим.
